发帖
雷达卡
简言之，根据高斯分布对数据进行抽样。大多数情况下均有添加异常值（根据具有特定限制的均匀分布得出）。对每项实验设计模拟25,000次后，列出了零个、一个、两个或两个以上异常值的模拟次数。
当没有异常值时，ROUT检验和Grubbs检验的表现基本相同。为ROUT方法指定的Q值等于你为Grubbs检验设置的α值。
当有一个异常值时，Grubbs检验能够较容易检测到该值。ROUT方法具有更高的漏报率和误报率。换言之，即使模拟只包含一个异常值，该方法也更有可能遗漏异常值，并且更有可能发现两个异常值。这并不令人意外，因为Grubbs检验的目的就是检测一个异常值。尽管两种方法之间的差异很明确，但并不显著。
当在一个小数据集中包含两个异常值时，ROUT检验表现更好。Grubbs迭代检验会受到遮蔽的影响，而ROUT检验则不然。遮蔽是否是个问题取决于样本量以及异常值与其他值平均值的偏离。在非常有可能发生遮蔽的情况下，ROUT检验 显著优于 Grubbs检验。例如，当n = 10且有两个异常值时，Grubbs检验从未发现这两个异常值，并且在98.8%的模拟中两个值均遭到遗漏（在剩余的1.2%模拟中，Grubbs检验发现了两个异常值中的其中一个）。相比之下，ROUT方法在92.8%的模拟中识别出两个异常值，而在6%的模拟中遗漏两个异常值。
总结：
- Grubbs检验略优于ROUT方法，专为以下任务而设计：从高斯分布中检测单个异常值。
- 在某些情况下，就检测两个异常值而言，ROUT法要比Grubbs迭代检验好得多。
京公网安备 11010802022788号
